Η κατασκευή ήταν πάντα μια πράξη εξισορρόπησης μεταξύ ταχύτητας, ποιότητας και καινοτομίας. Για τους κατασκευαστές καταναλωτικών συσκευασμένων αγαθών, αυτή η πράξη εξισορρόπησης είναι ακόμη πιο περίπλοκη καθώς τα χαρτοφυλάκια προϊόντων επεκτείνονται, οι μορφές συσκευασίας εξελίσσονται ταχύτερα και οι γραμμές παραγωγής αναμένεται να φιλοξενήσουν περισσότερες παραλλαγές από ποτέ. Ταυτόχρονα, οι καταναλωτές συνεχίζουν να περιμένουν άψογα προϊόντα κάθε φορά που κάνουν μια αγορά.
Η Proctor & Gamble (P&G) θέλει να εξασφαλίσει την καλύτερη ποιότητα για τους πελάτες της. Σε χιλιάδες προϊόντα και γραμμές παραγωγής παγκοσμίως, ακόμη και μικρές αλλαγές στα υλικά, τη συσκευασία, τα γραφικά, τις υφές ή τις συνθήκες παραγωγής μπορούν να επηρεάσουν τα ποιοτικά αποτελέσματα. Οι παραδοσιακές τεχνολογίες επιθεώρησης σχεδιάστηκαν για έναν προηγούμενο κόσμο. Η σύγχρονη κατασκευή απαιτεί κάτι πιο προσαρμόσιμο.
Αυτή η πρόκληση εξηγεί γιατί Ποιοτική επιθεώρηση βασισμένη σε AI αναδύεται ως μία από τις σημαντικότερες εφαρμογές της βιομηχανικής τεχνητής νοημοσύνης. Η ικανότητα να ελέγχετε κάθε προϊόν με πλήρη ταχύτητα παραγωγής, να μαθαίνετε από τις παραλλαγές αντί να διακόπτετε από αυτό και να κλιμακώνετε αυτές τις δυνατότητες παγκοσμίως δίνει στους κατασκευαστές έναν νέο τρόπο ανταγωνισμού. Το Visual Inspection Cockpit (VIC) της Siemens, που αναπτύχθηκε σε συνεργασία με την P&G, καταδεικνύει πώς η τεχνητή νοημοσύνη, η υπολογιστική τεχνολογία Industrial Edge και η μηχανική όραση μπορούν να μετατρέψουν τη διασφάλιση ποιότητας από απαίτηση παραγωγής σε στρατηγικό επιχειρηματικό πλεονέκτημα.
Ενίσχυση της ποιοτικής επιθεώρησης για την αντιμετώπιση σύνθετων, ταχύτερων διαδικασιών παραγωγής
Οι γρήγορες γραμμές παραγωγής της P&G, με την υψηλή μεταβλητότητά τους, αποτελούν ακριβώς το περιβάλλον όπου η διαδικασία επιθεώρησης είναι απαιτητική και απαιτεί μια συγκεκριμένη, έξυπνη λύση. Οι γραμμές παραγωγής πρέπει να εξυπηρετούν υψηλή απόδοση, συνεχή καινοτομία προϊόντων, εξελισσόμενα σχέδια συσκευασίας και υλικά που τεντώνονται, μετατοπίζονται, τσαλακώνονται ή ποικίλλουν φυσικά κατά τη διάρκεια της κατασκευής.
Ιστορικά, συστήματα μηχανικής όρασης που βασίζονται σε κανόνες έχουν χρησιμοποιηθεί για την ανίχνευση ζητημάτων ποιότητας. Ενώ είναι αποτελεσματικά σε σταθερά περιβάλλοντα, αυτά τα συστήματα συχνά απαιτούν εκτεταμένο επανασχεδιασμό κάθε φορά που αλλάζουν προϊόντα, υλικά, συνθήκες φωτισμού ή ρυθμίσεις παραγωγής. Καθώς αυξάνεται η μεταβλητότητα της κατασκευής, η διατήρηση της απόδοσης επιθεώρησης μπορεί να γίνει όλο και πιο εντατική σε πόρους.
Όπως εξήγησε ο Roland Joseph, ανώτερος τεχνικός διευθυντής, Intelligent Controls and Automation στην P&G: «Τα παραδοσιακά συστήματα όρασης που βασίζονται σε κανόνες απλά δυσκολεύονται να ανταποκριθούν στις απαιτήσεις των βασικών επιθεωρήσεων ποιότητας των προϊόντων και των συνεχών αλλαγών που εισάγουν τα καινοτόμα και κατασκευαστικά περιβάλλοντα μας. Χρειαζόμαστε δυνατότητες που είναι σημαντικά πιο ευέλικτες και ισχυρές».
Αυτό που χρειαζόταν η P&G δεν ήταν απλώς ένα καλύτερο σύστημα επιθεώρησης. Η εταιρεία χρειαζόταν μια θεμελιωδώς διαφορετική προσέγγιση, μια προσέγγιση ικανή να παρέχει συνεχή ακρίβεια επιθεώρησης με ταχύτητα γραμμής ενώ προσαρμόζεται στις πραγματικότητες της σύγχρονης κατασκευής.
Ο βιομηχανικός υπολογιστής αιχμής καθιστά την τεχνητή νοημοσύνη υλοποιήσιμη σε κλίμακα
Αρκετά χρόνια πριν από τη συνεργασία της με τη Siemens, η P&G είχε ήδη εντοπίσει τις δυνατότητες της βαθιάς μάθησης για την επίλυση των προκλήσεων ποιοτικής επιθεώρησης που οι συμβατικές τεχνολογίες δυσκολεύονταν να αντιμετωπίσουν. Η εταιρεία ανέπτυξε και ανέπτυξε με επιτυχία μια εσωτερική λύση σε περισσότερα από 150 περιβάλλοντα παραγωγής, αποδεικνύοντας την αξία της επιθεώρησης που βασίζεται σε τεχνητή νοημοσύνη.
Η επόμενη πρόκληση ήταν η κλίμακα.
Η ανάπτυξη βιομηχανικής τεχνητής νοημοσύνης παγκοσμίως απαιτεί περισσότερα από την ανάπτυξη ακριβών μοντέλων. Απαιτεί τυποποιημένη υποδομή, αξιόπιστη υπολογιστική ισχύ, λειτουργική ανθεκτικότητα, διαχείριση κύκλου ζωής, διαδικασίες ανάπτυξης λογισμικού και μακροπρόθεσμη υποστήριξη. Αυτές είναι οι δυνατότητες που μετατρέπουν ένα επιτυχημένο πιλοτικό σε μια ικανότητα για ολόκληρη την επιχείρηση.
Συνεργαζόμενοι με τη Siemens, η P&G συνδύασε την τεχνογνωσία της στην κατασκευή και την καινοτομία βαθιάς μάθησης με την πλατφόρμα Industrial Edge, βιομηχανικούς υπολογιστές που τροφοδοτούνται από GPU NVIDIA και βιομηχανική υποδομή τεχνητής νοημοσύνης σχεδιασμένη για ανάπτυξη σε πολλές εγκαταστάσεις και περιβάλλοντα παραγωγής.
«Σχεδιάσαμε αυτή τη λύση», δήλωσε ο Paul Thomas, διευθυντής μηχανικής όρασης και εφαρμοσμένης τεχνητής νοημοσύνης στην P&G, «για να λύσουμε πολλές προκλήσεις της βιομηχανίας που τα παραδοσιακά συστήματα όρασης δεν μπορούσαν να αγγίξουν: ακριβής χαρακτηρισμός αλληλεπικαλυπτόμενων εξαρτημάτων, λεπτότητα ελαττωμάτων χαμηλής αντίθεσης, πολυπλοκότητα υψηλής διακόσμησης προϊόντων και συσκευασίας, στενός συντονισμός χρόνου, ενσωμάτωση PLC σε πραγματικό χρόνο με απόρριψη ενός προϊόντος σε υψηλά ποσοστά παραγωγής με συνεχή επιθεώρηση».
Το αποτέλεσμα είναι μια λύση που επιτρέπει στο Industrial AI να λειτουργεί εκεί όπου πραγματοποιείται η κατασκευή: απευθείας στο πάτωμα του εργοστασίου, σε πραγματικό χρόνο και με ταχύτητα.